Via intelligente enquêtes kunnen smartphones nieuwe inzichten verzamelen in reisgedrag. Slimme review apps kunnen de behoefte aan interactie met de agent verminderen, met als doel om volledig geautomatiseerd te worden. Om dit te onderzoeken, creëerde CBS een heldere enquête-app en analyseerde gegevens van een vertegenwoordiger van de Franse bevolking. Door het creëren van een lineaire controle-gebaseerde algoritmen om de vervoerswijzen die omvatten lopen, motorfiets, bus, auto, spoor, trein, tram, en andere vormen van vervoer, dit artikel richt zich op het classificeren van de wijze van vervoer, een belangrijke heldere functie van de app. Er waren drie op menselijke regels gebaseerde algoritmen gemaakt die verschillend waren, afhankelijk van de feature sets worden gebruikt. Het laatste algoritme bereikte een verstandige precisie van 70 % en een algemene betrouwbaarheid van 85 % voor classificatie. De moeilijkste om te categoriseren zijn het openbaar vervoer. Bevindingen wijzen erop dat het combineren van GPS- en OSM-gegevens cruciaal is voor het verkrijgen van categoriseren van bevredigende kwaliteitsinstellingen. Het gevestigde algoritme laat zien hoe een op menselijke regels gebaseerde aanpak zeer effectief kan zijn voor het identificeren van verschillende vervoerswijzen. Menselijke op regels gebaseerde methoden hebben dus voordelen ten opzichte van machine-learning methoden en mogen niet over het hoofd worden gezien.
Fourie, J., J. Klingwort, Y. Gootzen (2025). In een heldere reis- en mobiliteitsenquête, mode classificatie op basis van regels. Gegevens Nederland, The Hague/Heerlen proefschrift papers.